本發(fā)明涉及圖像處理、視頻監(jiān)控以及智能交通，特別涉及車位檢測方法及裝置。

背景技術(shù)：

隨著城市汽車數(shù)量的急劇增長，停車難問題日益突出。研究車位檢測方法可以有效地解決車位資源有限的問題，提高車位使用率。目前，車位檢測方法主要可分為基于非圖像與圖像兩大類。其中，由于圖像信息含量非常豐富以及易于安裝等優(yōu)點(diǎn)，基于圖像的車位檢測法近年來得到極大關(guān)注。

基于圖像的車位檢測法主要有方差判別法、邊緣檢測法、標(biāo)記檢測法、相關(guān)度判別法等。但上述車位檢測方法容易受環(huán)境的影響，使得誤檢率較高。

綜上所述，目前迫切需要提出一種魯棒性較強(qiáng)的基于圖像的車位檢測方法及裝置。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的主要目的在于實(shí)現(xiàn)基于圖像的車位檢測，且魯棒性較強(qiáng)。

為達(dá)到上述目的，按照本發(fā)明的第一個方面，提供了基于結(jié)構(gòu)光的車位檢測方法，該方法包括：

第一步驟，通過結(jié)構(gòu)光圖像采集設(shè)備，在無車輛狀態(tài)下，連續(xù)采集n組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

第二步驟，采用閾值分割算法對平均差分圖像進(jìn)行閾值分割，獲取平均差分圖像的二值圖像，采用連通區(qū)域標(biāo)記法對二值圖像進(jìn)行連通區(qū)域標(biāo)記，統(tǒng)計每個標(biāo)記連通區(qū)域的面積，計算該二值圖像內(nèi)所有標(biāo)記連通區(qū)域的面積的平均值并將其作為面積閾值，將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除；

第三步驟，根據(jù)圖像內(nèi)標(biāo)記的車位線，在二值圖像內(nèi)劃分num個矩形區(qū)域，依次標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域；

第四步驟，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，并采用最小二乘法將該感興趣區(qū)域內(nèi)的所有骨架線進(jìn)行直線擬合，獲取擬合直線的截距和斜率，分別標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域的光條直線的第一截距和第一斜率；

第五步驟，通過結(jié)構(gòu)光圖像采集設(shè)備，在實(shí)時狀態(tài)下，連續(xù)采集m組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

第六步驟，按照第二步驟的方法，獲取平均差分圖像的二值圖像，采用骨架提取算法，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，采用聚類算法對每個感興趣區(qū)域內(nèi)的所有骨架線沿著第一斜率的方向進(jìn)行聚類，獲取相應(yīng)的聚類骨架線組；及

第七步驟，采用最小二乘法分別對每個感興趣區(qū)域內(nèi)的所有聚類骨架線組進(jìn)行直線擬合，獲取擬合直線的截距和斜率，若某一感興趣區(qū)域有一條擬合直線，則根據(jù)截距和斜率判別法判斷是否有車，否則根據(jù)截距判別法判斷是否有車停留。

所述第一步驟中num個并排車位的車位線內(nèi)含有反光材料涂抹的寬條，寬條垂直于分隔相鄰兩車位的車位線，并且從第一個車位的車位線橫穿到第num個車位的車位線。

所述第一步驟和第五步驟中結(jié)構(gòu)光圖像采集設(shè)備包括結(jié)構(gòu)光的光學(xué)元件和相機(jī)，安裝位置滿足：相機(jī)能夠采集所述num個車位區(qū)域的圖像，結(jié)構(gòu)光的光學(xué)元件發(fā)射的結(jié)構(gòu)光能夠覆蓋在所述num個車位區(qū)域的寬條上，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝角度、安裝高度相差較小。

所述車位圖像為通過相機(jī)采集的num個并排車位范圍內(nèi)的灰度圖像。

所述結(jié)構(gòu)光車位圖像為通過結(jié)構(gòu)光的光學(xué)元件和相機(jī)采集的經(jīng)過結(jié)構(gòu)光照射的num個并排車位范圍內(nèi)的灰度圖像。

所述多幀差分法為分別計算每組車位圖像與結(jié)構(gòu)光車位圖像的差分圖像，獲得差分圖像序列，計算上述差分圖像序列的平均圖像作為平均差分圖像。

所述第七步驟中截距和斜率判別法進(jìn)一步包括：計算感興趣區(qū)域內(nèi)的擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，記為截距差值；計算擬合直線的斜率與第一斜率的絕對差值，記為斜率差值；若截距差值不大于截距差閾值且斜率差值不大于斜率差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車。

所述截距判別法進(jìn)一步包括：分別計算感興趣區(qū)域內(nèi)的每一條擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，統(tǒng)計絕對差值的最大值，若絕對差值的最大值不大于截距差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車停留。

按照本發(fā)明的另一個方面，提供基于結(jié)構(gòu)光的車位檢測裝置，該裝置包括：

無車平均差分圖像獲取模塊，用于通過結(jié)構(gòu)光圖像采集設(shè)備，在無車輛狀態(tài)下，連續(xù)采集n組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

二值圖像獲取模塊，用于采用閾值分割算法對平均差分圖像進(jìn)行閾值分割，獲取平均差分圖像的二值圖像，采用連通區(qū)域標(biāo)記法對二值圖像進(jìn)行連通區(qū)域標(biāo)記，統(tǒng)計每個標(biāo)記連通區(qū)域的面積，計算該二值圖像內(nèi)所有標(biāo)記連通區(qū)域的面積的平均值并將其作為面積閾值，將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除；

感興趣區(qū)域獲取模塊，用于根據(jù)圖像內(nèi)標(biāo)記的車位線，在二值圖像內(nèi)劃分num個矩形區(qū)域，依次標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域；

感興趣區(qū)域第一截距和斜率獲取模塊，用于分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，并采用最小二乘法將該感興趣區(qū)域內(nèi)的所有骨架線進(jìn)行直線擬合，獲取擬合直線的截距和斜率，分別標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域的光條直線的第一截距和第一斜率；

實(shí)時平均差分圖像獲取模塊，用于通過結(jié)構(gòu)光圖像采集設(shè)備，在實(shí)時狀態(tài)下，連續(xù)采集m組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

感興趣區(qū)域聚類骨架線組獲取模塊，用于通過二值圖像獲取模塊，獲取平均差分圖像的二值圖像，采用骨架提取算法，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，采用聚類算法對每個感興趣區(qū)域內(nèi)的所有骨架線沿著第一斜率的方向進(jìn)行聚類，獲取相應(yīng)的聚類骨架線組；及

感興趣區(qū)域有無車判別模塊，用于采用最小二乘法分別對每個感興趣區(qū)域內(nèi)的所有聚類骨架線組進(jìn)行直線擬合，獲取擬合直線的截距和斜率，若某一感興趣區(qū)域有一條擬合直線，則根據(jù)截距和斜率判別模塊判斷是否有車，否則根據(jù)截距判別模塊判斷是否有車停留。

所述無車平均差分圖像獲取模塊中num個并排車位的車位線內(nèi)含有反光材料涂抹的寬條，寬條垂直于分隔相鄰兩車位的車位線，并且從第一個車位的車位線橫穿到第num個車位的車位線。

所述無車平均差分圖像獲取模塊和實(shí)時平均差分圖像獲取模塊中結(jié)構(gòu)光圖像采集設(shè)備包括結(jié)構(gòu)光的光學(xué)元件和相機(jī)，安裝位置滿足：相機(jī)能夠采集所述num個車位區(qū)域的圖像，結(jié)構(gòu)光的光學(xué)元件發(fā)射的結(jié)構(gòu)光能夠覆蓋在所述num個車位區(qū)域的寬條上，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝角度的差值不大于10°，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝高度的差值不大于30cm。

所述車位圖像為通過相機(jī)采集的num個并排車位范圍內(nèi)的灰度圖像。

所述結(jié)構(gòu)光車位圖像為通過結(jié)構(gòu)光的光學(xué)元件和相機(jī)采集的經(jīng)過結(jié)構(gòu)光照射的num個并排車位范圍內(nèi)的灰度圖像。

所述多幀差分法為分別計算每組車位圖像與結(jié)構(gòu)光車位圖像的差分圖像，獲得差分圖像序列，計算上述差分圖像序列的平均圖像作為平均差分圖像。

所述感興趣區(qū)域有無車判別模塊中截距和斜率判別模塊進(jìn)一步包括：計算感興趣區(qū)域內(nèi)的擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，記為截距差值；計算擬合直線的斜率與第一斜率的絕對差值，記為斜率差值；若截距差值不大于截距差閾值且斜率差值不大于斜率差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車。

所述截距判別模塊進(jìn)一步包括：分別計算感興趣區(qū)域內(nèi)的每一條擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，統(tǒng)計絕對差值的最大值，若絕對差值的最大值不大于截距差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車停留。

與現(xiàn)有的車位檢測技術(shù)相比，本發(fā)明的基于結(jié)構(gòu)光的車位檢測方法及裝置通過結(jié)構(gòu)光圖像采集設(shè)備采集車位圖像和結(jié)構(gòu)光車位圖像，并通過處理獲取車位寬條的光條擬合直線，通過擬合直線判斷車位的使用狀況。本發(fā)明一方面可以同時監(jiān)控多個車位，實(shí)施簡單；另一方面對于低亮度的場景也具有較好的魯棒性。

附圖說明

圖1示出了按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測方法的流程圖。

圖2示出了按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測裝置的框架圖。

具體實(shí)施方式

為使貴審查員能進(jìn)一步了解本發(fā)明的結(jié)構(gòu)、特征及其他目的，現(xiàn)結(jié)合所附較佳實(shí)施例詳細(xì)說明如下，所說明的較佳實(shí)施例僅用于說明本發(fā)明的技術(shù)方案，并非限定本發(fā)明。

圖1給出了按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測方法的流程圖。如圖1所示，按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測方法包括：

第一步驟s1，通過結(jié)構(gòu)光圖像采集設(shè)備，在無車輛狀態(tài)下，連續(xù)采集n組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

第二步驟s2，采用閾值分割算法對平均差分圖像進(jìn)行閾值分割，獲取平均差分圖像的二值圖像，采用連通區(qū)域標(biāo)記法對二值圖像進(jìn)行連通區(qū)域標(biāo)記，統(tǒng)計每個標(biāo)記連通區(qū)域的面積，計算該二值圖像內(nèi)所有標(biāo)記連通區(qū)域的面積的平均值并將其作為面積閾值，將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除；

第三步驟s3，根據(jù)圖像內(nèi)標(biāo)記的車位線，在二值圖像內(nèi)劃分num個矩形區(qū)域，依次標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域；

第四步驟s4，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，并采用最小二乘法將該感興趣區(qū)域內(nèi)的所有骨架線進(jìn)行直線擬合，獲取擬合直線的截距和斜率，分別標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域的光條直線的第一截距和第一斜率；

第五步驟s5，通過結(jié)構(gòu)光圖像采集設(shè)備，在實(shí)時狀態(tài)下，連續(xù)采集m組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

第六步驟s6，按照第二步驟s2的方法，獲取平均差分圖像的二值圖像，采用骨架提取算法，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，采用聚類算法對每個感興趣區(qū)域內(nèi)的所有骨架線沿著第一斜率的方向進(jìn)行聚類，獲取相應(yīng)的聚類骨架線組；及

第七步驟s7，采用最小二乘法分別對每個感興趣區(qū)域內(nèi)的所有聚類骨架線組進(jìn)行直線擬合，獲取擬合直線的截距和斜率，若某一感興趣區(qū)域有一條擬合直線，則根據(jù)截距和斜率判別法判斷是否有車，否則根據(jù)截距判別法判斷是否有車停留。

所述第一步驟s1中num個并排車位的車位線內(nèi)含有反光材料涂抹的寬條，寬條垂直于分隔相鄰兩車位的車位線，并且從第一個車位的車位線橫穿到第num個車位的車位線。

所述第一步驟s1和第五步驟s5中結(jié)構(gòu)光圖像采集設(shè)備包括結(jié)構(gòu)光的光學(xué)元件和相機(jī)，安裝位置滿足：相機(jī)能夠采集所述num個車位區(qū)域的圖像，結(jié)構(gòu)光的光學(xué)元件發(fā)射的結(jié)構(gòu)光能夠覆蓋在所述num個車位區(qū)域的寬條上，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝角度的差值不大于10°，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝高度的差值不大于30cm。

所述車位圖像為通過相機(jī)采集的num個并排車位范圍內(nèi)的灰度圖像。

所述結(jié)構(gòu)光車位圖像為通過結(jié)構(gòu)光的光學(xué)元件和相機(jī)采集的經(jīng)過結(jié)構(gòu)光照射的num個并排車位范圍內(nèi)的灰度圖像。

所述多幀差分法為分別計算每組車位圖像與結(jié)構(gòu)光車位圖像的差分圖像，獲得差分圖像序列，計算上述差分圖像序列的平均圖像作為平均差分圖像。

所述反光材料為制作的各種反光標(biāo)志標(biāo)牌、車輛號牌、安全設(shè)施等的材料。

優(yōu)選地，所述反光材料為反光的油漆。

所述n和m為不小于1的自然數(shù)。優(yōu)選地，n和m的取值范圍為2～100。

所述num的取值范圍為1～20。優(yōu)選地，所述num的取值范圍為2～6。

優(yōu)選地，所述寬條的寬度不小于5cm。

優(yōu)選地，所述結(jié)構(gòu)光的光學(xué)元件為現(xiàn)有的能夠發(fā)射結(jié)構(gòu)光的光學(xué)元件或者光學(xué)組件或者光學(xué)照明系統(tǒng)。

優(yōu)選地，所述結(jié)構(gòu)光的光學(xué)元件為能夠發(fā)射紅外線的光學(xué)元件或者光學(xué)組件或者光學(xué)照明系統(tǒng)。

優(yōu)選地，所述相機(jī)為現(xiàn)有的能夠采集圖像的相機(jī)或者攝像機(jī)或者攝像頭。

優(yōu)選地，所述相機(jī)為鏡頭裝有高通濾光元件的相機(jī)。

優(yōu)選地，所述相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝角度的差值不大于5°，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝高度的差值不大于15cm。

優(yōu)選地，每間隔3個車位，安裝一套結(jié)構(gòu)光圖像采集設(shè)備，結(jié)構(gòu)光圖像采集設(shè)備包括紅外線光學(xué)元件和鏡頭裝有高通濾光元件的ccd相機(jī)，ccd相機(jī)安裝在能夠采集3個車位區(qū)域的圖像的位置上，紅外線光學(xué)元件安裝在發(fā)射的紅外線能夠覆蓋3個車位的反光材料的位置上，且相機(jī)和紅外線光學(xué)元件安裝的角度、高度保持一致。

所述獲取所述n組差分圖像序列的平均差分圖像包括：對應(yīng)每個像素點(diǎn)，計算所述n組差分圖像序列內(nèi)該像素點(diǎn)的灰度值的平均值，將該平均值作為平均差分圖像內(nèi)該像素點(diǎn)的灰度值。

所述第二步驟s2中閾值分割算法為現(xiàn)有的閾值分割算法。

優(yōu)選地，所述閾值分割算法的分割閾值的取值范圍為180～220。例如，可以選取200作為分割閾值，對每組差分圖像進(jìn)行分割。

所述連通區(qū)域標(biāo)記法為現(xiàn)有的連通區(qū)域標(biāo)記算法。所述將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除為：將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域內(nèi)的像素點(diǎn)全部設(shè)置為背景點(diǎn)。

所述第三步驟s3中圖像內(nèi)標(biāo)記的車位線為人工在采集的車位圖像內(nèi)將車位線標(biāo)記出來。

所述第四步驟s4和第六步驟s6中骨架提取算法為現(xiàn)有的骨架提取算法，最小二乘法為現(xiàn)有的最小二乘算法。

所述第六步驟s6中聚類算法為現(xiàn)有的聚類算法或者聚類方法。

所述第七步驟s7中截距和斜率判別法進(jìn)一步包括：計算感興趣區(qū)域內(nèi)的擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，記為截距差值；計算擬合直線的斜率與第一斜率的絕對差值，記為斜率差值；若截距差值不大于截距差閾值且斜率差值不大于斜率差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車。

所述截距判別法進(jìn)一步包括：分別計算感興趣區(qū)域內(nèi)的每一條擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，統(tǒng)計絕對差值的最大值，若絕對差值的最大值不大于截距差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車停留。

優(yōu)選地，所述截距差閾值的取值范圍為30～80。例如，截距差閾值選為50。

優(yōu)選地，所述斜率差閾值的取值范圍為5°～15°。例如，斜率差閾值選為10°。

圖2給出了按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測裝置的框架圖。如圖2所示，按照本發(fā)明的基于結(jié)構(gòu)光的車位檢測裝置包括：

無車平均差分圖像獲取模塊1，用于通過結(jié)構(gòu)光圖像采集設(shè)備，在無車輛狀態(tài)下，連續(xù)采集n組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

二值圖像獲取模塊2，用于采用閾值分割算法對平均差分圖像進(jìn)行閾值分割，獲取平均差分圖像的二值圖像，采用連通區(qū)域標(biāo)記法對二值圖像進(jìn)行連通區(qū)域標(biāo)記，統(tǒng)計每個標(biāo)記連通區(qū)域的面積，計算該二值圖像內(nèi)所有標(biāo)記連通區(qū)域的面積的平均值并將其作為面積閾值，將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除；

感興趣區(qū)域獲取模塊3，用于根據(jù)圖像內(nèi)標(biāo)記的車位線，在二值圖像內(nèi)劃分num個矩形區(qū)域，依次標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域；

感興趣區(qū)域第一截距和斜率獲取模塊4，用于分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，并采用最小二乘法將該感興趣區(qū)域內(nèi)的所有骨架線進(jìn)行直線擬合，獲取擬合直線的截距和斜率，分別標(biāo)記為第一感興趣區(qū)域～第num感興趣區(qū)域的光條直線的第一截距和第一斜率；

實(shí)時平均差分圖像獲取模塊5，用于通過結(jié)構(gòu)光圖像采集設(shè)備，在實(shí)時狀態(tài)下，連續(xù)采集m組num個并排車位范圍內(nèi)的車位圖像與結(jié)構(gòu)光車位圖像序列，采用多幀差分法獲取平均差分圖像；

感興趣區(qū)域聚類骨架線組獲取模塊6，用于通過二值圖像獲取模塊2，獲取平均差分圖像的二值圖像，采用骨架提取算法，分別提取第一感興趣區(qū)域～第num感興趣區(qū)域內(nèi)標(biāo)記連通區(qū)域的骨架線，采用聚類算法對每個感興趣區(qū)域內(nèi)的所有骨架線沿著第一斜率的方向進(jìn)行聚類，獲取相應(yīng)的聚類骨架線組；及

感興趣區(qū)域有無車判別模塊7，用于采用最小二乘法分別對每個感興趣區(qū)域內(nèi)的所有聚類骨架線組進(jìn)行直線擬合，獲取擬合直線的截距和斜率，若某一感興趣區(qū)域有一條擬合直線，則根據(jù)截距和斜率判別模塊判斷是否有車，否則根據(jù)截距判別模塊判斷是否有車停留。

所述無車平均差分圖像獲取模塊1中num個并排車位的車位線內(nèi)含有反光材料涂抹的寬條，寬條垂直于分隔相鄰兩車位的車位線，并且從第一個車位的車位線橫穿到第num個車位的車位線。

所述無車平均差分圖像獲取模塊1和實(shí)時平均差分圖像獲取模塊5中結(jié)構(gòu)光圖像采集設(shè)備包括結(jié)構(gòu)光的光學(xué)元件和相機(jī)，安裝位置滿足：相機(jī)能夠采集所述num個車位區(qū)域的圖像，結(jié)構(gòu)光的光學(xué)元件發(fā)射的結(jié)構(gòu)光能夠覆蓋在所述num個車位區(qū)域的寬條上，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝角度的差值不大于10°，相機(jī)與結(jié)構(gòu)光的光學(xué)元件的安裝高度的差值不大于30cm。

所述車位圖像為通過相機(jī)采集的num個并排車位范圍內(nèi)的灰度圖像。

所述結(jié)構(gòu)光車位圖像為通過結(jié)構(gòu)光的光學(xué)元件和相機(jī)采集的經(jīng)過結(jié)構(gòu)光照射的num個并排車位范圍內(nèi)的灰度圖像。

所述多幀差分法為分別計算每組車位圖像與結(jié)構(gòu)光車位圖像的差分圖像，獲得差分圖像序列，計算上述差分圖像序列的平均圖像作為平均差分圖像。

所述反光材料為制作的各種反光標(biāo)志標(biāo)牌、車輛號牌、安全設(shè)施等的材料。

優(yōu)選地，所述反光材料為反光的油漆。

所述n和m為不小于1的自然數(shù)。優(yōu)選地，n和m的取值范圍為2～100。

所述num的取值范圍為1～20。優(yōu)選地，所述num的取值范圍為2～6。

優(yōu)選地，所述寬條的寬度不小于5cm。

所述獲取所述n組差分圖像序列的平均差分圖像包括：對應(yīng)每個像素點(diǎn)，計算所述n組差分圖像序列內(nèi)該像素點(diǎn)的灰度值的平均值，將該平均值作為平均差分圖像內(nèi)該像素點(diǎn)的灰度值。

所述二值圖像獲取模塊2中閾值分割算法為現(xiàn)有的閾值分割算法。

優(yōu)選地，所述閾值分割算法的分割閾值的取值范圍為180～220。例如，可以選取200作為分割閾值，對每組差分圖像進(jìn)行分割。

所述連通區(qū)域標(biāo)記法為現(xiàn)有的連通區(qū)域標(biāo)記算法。所述將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域?yàn)V除為：將區(qū)域面積小于面積閾值的標(biāo)記連通區(qū)域內(nèi)的像素點(diǎn)全部設(shè)置為背景點(diǎn)。

所述感興趣區(qū)域獲取模塊3中圖像內(nèi)標(biāo)記的車位線為人工在采集的車位圖像內(nèi)將車位線標(biāo)記出來。

所述感興趣區(qū)域第一截距和斜率獲取模塊4和感興趣區(qū)域聚類骨架線組獲取模塊6中骨架提取算法為現(xiàn)有的骨架提取算法，最小二乘法為現(xiàn)有的最小二乘算法。

所述感興趣區(qū)域聚類骨架線組獲取模塊6中聚類算法為現(xiàn)有的聚類算法或者聚類方法。

所述感興趣區(qū)域有無車判別模塊7中截距和斜率判別模塊進(jìn)一步包括：計算感興趣區(qū)域內(nèi)的擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，記為截距差值；計算擬合直線的斜率與第一斜率的絕對差值，記為斜率差值；若截距差值不大于截距差閾值且斜率差值不大于斜率差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車。

所述截距判別模塊進(jìn)一步包括：分別計算感興趣區(qū)域內(nèi)的每一條擬合直線的截距與該感興趣區(qū)域內(nèi)第一截距的絕對差值，統(tǒng)計絕對差值的最大值，若絕對差值的最大值不大于截距差閾值，則標(biāo)記該感興趣區(qū)域無車，否則標(biāo)記該感興趣區(qū)域有車停留。

優(yōu)選地，所述截距差閾值的取值范圍為30～80。例如，截距差閾值選為50。

優(yōu)選地，所述斜率差閾值的取值范圍為5°～15°。例如，斜率差閾值選為10°。

與現(xiàn)有的車位檢測技術(shù)相比，本發(fā)明的基于結(jié)構(gòu)光的車位檢測方法及裝置通過結(jié)構(gòu)光圖像采集設(shè)備采集車位圖像和結(jié)構(gòu)光車位圖像，并通過處理獲取車位寬條的光條擬合直線，通過擬合直線判斷車位的使用狀況。本發(fā)明一方面可以同時監(jiān)控多個車位，實(shí)施簡單；另一方面對于低亮度的場景也具有較好的魯棒性。

以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍，應(yīng)當(dāng)理解，本發(fā)明并不限于這里所描述的實(shí)現(xiàn)方案，這些實(shí)現(xiàn)方案描述的目的在于幫助本領(lǐng)域中的技術(shù)人員實(shí)踐本發(fā)明。任何本領(lǐng)域中的技術(shù)人員很容易在不脫離本發(fā)明精神和范圍的情況下進(jìn)行進(jìn)一步的改進(jìn)和完善，因此本發(fā)明只受到本發(fā)明權(quán)利要求的內(nèi)容和范圍的限制，其意圖涵蓋所有包括在由所附權(quán)利要求所限定的本發(fā)明精神和范圍內(nèi)的備選方案和等同方案。